데이터 과학이 패션 산업의 재고관리에 미치는 영향

패션 산업은 예측이 어렵습니다. 당장 다음 주의 날씨 변화도 예측하지 못해 낭패를 보기 일쑤입니다. 하물며 옆 나라의 전쟁으로 인한 원부자재 값의 상승을, 리오프닝을 환호하는 시점에 중국에서의 코로나 대유행과 락다운 같은 것을 예측하고 대비하는 일은 거의 불가능에 가깝습니다.

전대미문의 전염병과 전쟁이라는 폭탄이 지나가자, 이번엔 팬데믹 기간 유동성 완화로 인한 인플레이션과 그것을 막고자 하는 이자율 급등이 발목을 잡고 있습니다. 유동성과 이자율은 당장 내일의 날씨보다 패션 산업에 더 크게 영향을 미치는 문제입니다. 자산이 주로 부동산에 몰려 있고, 가계 부채가 OECD 가입국 중 가장 높은 한국은 더 그렇습니다. 당장 2023년 1월 기준 글로벌 패션 업체들의 재고량은 역대 최고치를 기록했습니다.

2022년 봄, 블룸버그는 2021년이 1950년 이후 미국 기업의 수익성이 가장 높은 해였다고 말했습니다. 공급망 불안 속에 급증하는 보복 소비를 충분히 받아내지 못한 업계가 2022년 생산량을 크게 늘린 것은 당연한 처사였습니다. 그런데 이자율이 급등하고 유동성이 얼어붙으며 이것이 거대한 재고가 되어 버린 것입니다.

다시 국내 업계로 돌아가 보겠습니다. 판매율 50%면 평작, 60%를 넘으면 대박이라 여겨 온 전통의 업체들은 대부분 아울렛에서 크게 할인된 가격에 팔리는 경우가 대부분 입니다. 이를 정확히 파악하려면 백화점과 아울렛의 실적 흐름을 살펴보면 알 수 있습니다.

워낙 평판이 좋고 실력이 뛰어나, 백화점에서도 잘되고 아울렛에서도 잘되는 브랜드는 예나 지금이나 극소수 입니다. 자신의 브랜드가 백화점에서는 점점 장사가 잘 안되는데, 아울렛에서는 그나마 이전 상태를 유지하거나 더 잘 된다면 그것은 이미 ‘그런 신세’가 된 것입니다. 백화점 가격을 인정할 수 없는 소비자들이 그만큼 늘었다는 얘기입니다. 국내 로컬 브랜드 중 상당수는 지금 그 지점에 놓여 있습니다.

그런데 요즘 소위 라이징 브랜드들은 다른 것 같습니다. 재고를 많이 만들어, 적당히 팔기 같은 공식이 그들에게는 애시당초 없었습니다. 왜냐면 그들은 온라인 기반 위에서 태어났기 때문입니다.

온라인에서 판매하는 브랜드라고 다 재고 관리를 잘 한다는 이야기는 아닙니다. 온라인은 오프라인에 비해 ‘데이터의 가시성’이 훨씬 뛰어난 환경이라는 뜻입니다. 이것을 잘 활용하는 기업들은 재고를 많이 만들지 않고, 회전율을 높입니다. 데이터가 알려주는 흐름에, 사람의 창의력이 더해지는 것입니다. 그리고 시간이 흘러 데이터가 더 많이 쌓일수록 결과의 정확도는 높아지고, 상품 자산의 아카이브는 견고해집니다.

최근 BOF는 사례 연구 리포트를 통해 다음과 같은 기획, 가격 및 마진 최적화, 할인, 재고청산에서의 네 가지 우선순위 전략을 제시했습니다.

[기획]

테스트, 분석, 반응생산

– 이커머스 소매업체인 그레이 밴딧은 스타일 당 200개의 제품을 제조 파트너사로부터 공급받아 온라인에서만 판매합니다. 이 회사는 제품 출시 전, 인플루언서 파트너들 사이에 인기가 있거나, 판매 즉시 잘 팔리는 경우 곧바로 보충 주문을 합니다. 품목별로 제품을 주문해, 시장 반응을 평가한 다음 반응에 따라 추가 생산하는 이런 반응 생산은 지난 몇 년간 업계 표준이 되었습니다.

– 한계점: 문제는 이러한 전략을 채택하려면 지속적인 재고 추적을 가능하게 하는 기술이 필요하다는 것입니다. 온라인, 오프라인, 제3자 등 다중의 판매 채널을 통해 판매하는 이른바 옴니채널이 일반화된 현재는 더욱 그렇습니다. 예를 들어 온라인에서 인기가 있는 제품이 오프라인에서는 그렇지 않을 수 있습니다. 이이 경우 창고로 제품을 이동시키는 것이 가장 적절한 대응일 수 있습니다.

에버그린 접근법

반응생산과는 반대로, 시즌에 상관없이 소량의 핵심 스타일을 유지하는 방식이 있습니다. 핸드백 제조사 코치의 모기업인 태피스트리는 2019년부터 전체 SKU 수를 절반으로 줄였습니다. 대신 가장 인기있는 스타일을 식별해 두 배로 늘렸습니다. 그 결과 회사의 영업 이익이 250%포인트 증가했습니다.

하이브리드 접근법

반응생산과 에버그린 접근법을 결합한 하이브리드 방식도 있습니다. 시즌리스 스타일의 트렌디하지 컬렉션을 선별해, 물량을 늘리는 방식입니다. 회전율이 높은 고액 품목에 집중하는 방식으로, 트렌디한 제품은 한번 구매 후 재구매가 일어나지 않는다는 점을 고려한 것입니다. 선별된 스타일에 한해 대량 주문을 할 경우, 규모의 경제로 인한 생산 비용 인하 효과도 거둘 수 있습니다.

결론

위에 거론된 어떤 방식을 사용하든 ‘예상 수요보다 적게 주문하는 방식’으로 패션 기업은 실패를 줄이고 재고를 관리할 수 있습니다. 판매 손실의 기회 비용과 재고로 남게 되는 초과 제품의 마진 영향을 고려한 방정식인 ‘뉴스 공급업체 모델’은 인벤토리 딜레마의 가장 단순한 버전입니다. 이를 통해 기업들은 ‘임계 분위수’를 산출하고 최대 이익 지점을 찾아낼 수 있습니다. 다만 이 모델은 재고 유지 비용과 가격 탄력성 같은 다른 요소를 고려하지 않습니다. 센트릭 소프트웨어와 같은 소프트웨어 제공업체들은 패션 기업들이 보다 정교한 공식을 적용해 상품 공급을 최적화할 수 있도록 지원합니다.

[가격 및 마진 최적화]

날카로운 상품과 재고 기획이 반드시 추후의 가격 할인을 배제한다는 뜻은 아닙니다. 그레이 밴딧을 포함한 업계의 표준은 통상 제조 비용의 3배로 판매 가격을 책정합니다. 도매를 통해 판매되는 라벨의 경우 제조 비용의 4배가 일반적입니다. 도이치 뱅크의 코크레인은 “패션에서는 약 20~30%의 제품이 원래 가격보다 50~60% 할인된 가격에 판매된다”고 말합니다. 이에 따라 패션 기업들은 제조 원가의 3~4배에 해당하는 값에 15~20%의 마진을 더 붙여 소매 가격을 책정합니다.

[할인]

할인보다 ‘프로모션’

트리샤 오쿠보가 2016년 런칭한 파인 주얼리 ‘메종 미루’는 1년에 단 두 번 (크리스마스 이후와 여름) 샘플 판매를 진행합니다. 이 브랜드는 블랙프라이데이에도 정가로 판매됩니다. 대신 고객 확보와 충성도 유지를 위해 웹사이트의 웰컴 딜 할인, 회원을 대상으로 한 비공개(미스터리) 세일은 종종 진행합니다. 이는 브랜드에 대한 부정적 영향이 없이 매출을 높이고 충성도를 끌어올리는 프로모션입니다.

판매에 찬성

갭과 콜스 등은 2022년 일부 재고를 다음 시즌이나 내년에 판매하기로 선택했습니다. 그러나 재고를 보유하는 일에는 창고, 부동산, 노동력 등이 필요합니다. 더욱이 트렌디한 제품이라면 더 맞지 않는 선택입니다. 다른 경우, 업체들은 매장에서 매장으로, 채널에서 채널로 상품을 이동시켜 재고를 재할당하는 데 주력합니다. 클라우드 시스템과 같은 중앙 유통 지점이 있어 재고를 실시간으로 이동시킬 수 있다면 이는 아주 효과적인 방법일 수 있습니다.

결론

어떤 선택을 하든 재고를 위한 공간은 필요하므로, 일정 수준의 할인은 불가피합니다. 마케팅은 그런 면에서 할인에 대한 근본적인 대안이 될 수 있습니다. 마케팅을 통해 브랜으 제품이 정가만큼 가치가 있다는 확신을 심어줄 수 있습니다. 예를 들어 태피스트리는 마진 개선 계획의 일환으로 마케팅 비용을 두배로 늘렸습니다.

[재고 청산]

패션 기업이 재고를 정리할 때의 최악은, 할인을 연장하는 것입니다. 따라서 때때로 가장 좋은 방법은 나이키가 2022년과 2023년 초에 한 것처럼 한 번에 공격적으로 할인하고 신제품을 출시하는 것입니다.

재고 청산 시에 일반적으로 기업들은 대중에게 잘 보이는 온라인보다 오프 프라이스 채널을 더 선호합니다. 목표는 ‘돈을 버는 것’이 아니라, 흔적을 깨끗이 지우는 것이기 때문입니다.

디지털 재고 판매 플랫폼 ‘고스트’의 조쉬 카플레인 CEO는 “많은 기업들이 제품 제조보다, 할인 판매를 위한 아이디어에 더 어려움을 호소한다”고 말합니다.

그래서 고스트와 같은 경매 모델의 B2B 재고 플랫폼이나, 베스트시크릿과 같이 ‘보이지 않는’ 재고 판매 솔루션들이 크게 발전하고 있습니다.

어떤 방식이든, 중요한 것은 할인 판매에 과도하게 의존해서는 안 된다는 사실입니다. 판매를 촉진하는 방법일 수는 있지만, 마진에 부정적인 영향을 미치고 브랜드 가치를 훼손할 수 있습니다.

수많은 제품을 소비자 성향, 트렌드 동향, 유통채널, 매장 국가/도시 등 여러 사항을 고려해 수동으로 수요 예측, 최적의 제품 구색과 가격 설정, 상품의 배치와 재고 보충 작업을 한다는 것은 사실 거의 불가능한 일입니다.

엔드투엔드(End-to-End) 기획 프로세스 혁신으로 운영과 수익성 향상

Centric Planning™ 은 기획, 구매, 소싱과 같은 전반 단계의 예측 기획과 상품 배치, 재고 보충과 같은 후반 단계의 대응 기획을 일관되게 관리할 수 있는 클라우드 기반의 혁신적인 End-To-End 기획 솔루션입니다. 데이터 분석 기능, 자동화, 넓은 가시성을 바탕으로 수요 예측, 상품 배치, 재고 보충 작업을 지원하며 의사 결정을 최적화하여 리테일 및 홀세일 비즈니스 성과를 극대화하도록 설계되었습니다. Centric Planning의 AI(Augmented Intelligence)는 채널 별 과거 판매 데이터를 기반으로 각 제품의 판매 기대치를 예측할 수 있습니다. 즉, 정가에 판매될 가능성이 높은 장소에 우선적으로 상품을 배치할 수 있게 됩니다. 이 예측 방식으로 유사 제품에 대한 반복적인 구매 패턴 학습이 가능하므로, 향후 지능적인 유통 기획을 구축할 수 있습니다.

자동화 기능으로 후반의 대응 기획 방식이 아닌 전반의 예측 기획 방식으로 재고를 배치할 수 있으므로 다음 사항을 방지할 수 있습니다.

• 예상치 못한 재고의 긴급 이동으로 물류에 높은 비용 지출
• 이동된 재고의 패킹/언패킹 담당 직원 고용
• 재고 관리에 집중한 나머지 소홀하게 되는 고객 서비스
• 원하는 제품을 구하지 못해 감소하는 고객 만족도
• 지속가능성을 기반으로 한 채널별 재고 결정

기업이 가장 먼저 기획 솔루션에 투자하고자 하는 이유는 남는 재고를 줄이고, 더 많은 제품을 정가에 판매하기 위해서 입니다. 이외에도, 매장별 상품 배치를 최적화하는 데 소요되는 시간, 비용, 자원을 최소화할 수 있으며, 수요 패턴, 보유 재고, 공간, 현재 상황에 대한 데이터를 활용하여 각 매장에 배치할 재고량을 계산하고, 매장별, 채널별로 SKU를 최적화할 수 있습니다. 부차적으로 솔루션 투자를 통해 지속가능성 목표 또한 달성할 수 있습니다.

AI 기반 시장 조사, 경쟁사 벤치마킹 및 추세 예측

타겟 시장과 경쟁사 제품 데이터를 수동으로 수집하는 것은 시간이 많이 걸리고 실시간 수집이 어렵고, 데이터 정확도가 매우 떨어질 수 있습니다. Centric Market Intelligence™은 브랜드와 리테일 업체가 AI 기반의 경쟁사 상품 벤치마킹, 제품 가격 최적화 및 제품 트렌드 인사이트를 통해 향상된 제품 구색 및 가격 책정으로 매출 성장을 촉진할 수 있도록 지원합니다.

Centric Market Intelligence을 통해 전체 시장에 대한 360° 뷰를 신속하게 확보하고 경쟁자의 다음 단계를 예측하며 기획 및 바잉, 가격 전략을 세울 수 있습니다. 즉, 다음과 같은 실시간 마켓 인텔리전스 데이터 기반으로 더욱 전략적인 의사 결정이 가능하게 됩니다.

• 경쟁사는 어떤 제품을 판매하고 있습니까? (구색, 칼라, 가격, 디테일 등)
• 경쟁사는 어떤 항목, 아이템을 할인하고 있습니까?
• 현재 떠오르는 트렌드, 키워드는 무엇입니까?
• 시장의 가격 전략은 무엇이며 어떠한 추세가 보여집니까?

패션은 예술과 과학이 결합된 산업입니다. 디자이너가 창의적인 파트를, 머천다이저가 데이터 분석의 과학 파트를 맡는 것과 흡사합니다.

Centric PLM에 이어, Centric Planning, Centric Market Intelligence 과 같은 솔루션은 패션 산업을 위한 ‘데이터 과학’을 지원하기 위한 라인업으로 볼 수 있습니다.